要問有什么案例能簡單明晰地體現(xiàn)出“智能”、“自學習”的概念，這款游戲一定是我的首選。而這款游戲中，應(yīng)用的就是遺傳算法。
什么是遺傳算法？
簡單來說，遺傳算法是一種隨機搜索算法，主要目的是用來優(yōu)化。和自然界的遺傳一樣，遺傳算法秉持的是適者生存、優(yōu)勝劣汰。通過選擇、交叉和變異，不斷迭代出更優(yōu)秀的解法。
通過編碼，將解空間變成編碼空間，從中選擇當前較為優(yōu)秀的解當做“父母”，下一步則是將多種解的特征進行交叉，誕生下一代，最后再經(jīng)過變異成為“子嗣”。如果“子嗣”還是不能符合要求，那就再進行一次上述步驟，直到滿足要求。
過程中，較差的基因就會一步步被淘汰。最后再進行解碼，就能得到我們想要的結(jié)果?？傊@是一個枚舉的過程。就像長頸鹿的進化一樣，樹葉長在高處，每一只鹿都去嘗試吃樹葉，只有符合“標準”的長頸鹿能夠吃到食物、生產(chǎn)下來并誕生后代。
但要注意的是，這種算法很多時候不會給出一個“最優(yōu)解”，而是給出一些較為接近的次優(yōu)解，從中矮子里面拔將軍。
在哪里能看到遺傳算法？
遺傳算法經(jīng)常被用來解決一些調(diào)度類的問題，比如確定車間工程流程、飛機航線等等。工程、航行中所需要的資源消耗、時間等等權(quán)值看做“染色體”，幾種染色體排列組合，最終選擇其中的較優(yōu)方案。
此外，機器人中也會用到遺傳算法，尤其是快速定位、路徑規(guī)劃等。就像《Boxcar 2D》這個游戲一樣，機器人在仿真環(huán)境中不斷嘗試接近目標，路線的優(yōu)越度隨著路線的長度減少，結(jié)合機器人對自身位置的感知，最后得出較優(yōu)解。
同時，遺傳算法也可以被應(yīng)用于幫助神經(jīng)網(wǎng)絡(luò)調(diào)參數(shù)，只是這種方式需要的時間太長、運算量太大，屬于性價比較低的參數(shù)調(diào)整方式。
在游戲中，也能見到遺傳算法的影子。很多游戲會有在同一場景面對多輪敵人的“生存模式”，在這一模式中，敵人的屬性是會不斷增強的，有了遺傳算法，就可以根據(jù)你自身屬性的變化不斷改變敵人的屬性，以增強游戲的難度。你的法術(shù)強度高，敵人就會增加法術(shù)防御度，你的攻擊穿透性高，敵人就會增加血量。這樣一來，相比直接的增加屬性，可以有更好的游戲體驗。
從騙人到寫詩，遺傳算法有什么好玩的應(yīng)用？
以上都是一些適用于實際場景的應(yīng)用，由于遺傳算法簡單易用，我們可以看到很多娛樂化的、有趣的應(yīng)用。
比如說，模仿圖形。在一款程序中，我們可以看到遺傳算法通過幾何圖形的不斷組合，最終慢慢變成接近案例圖形的樣子。
同時你還可以親自調(diào)整變異的傾向，最終成果雖然和原圖相比還有很大差距，但也不乏自己的風格。不過嘗試時就可以發(fā)現(xiàn)，整個過程時間很長，某種程度上也體現(xiàn)了遺傳算法的低效。
基于上述的功能，遺傳算法還有一個非常有趣的玩法，那就是“欺騙”深度學習模型。
2014年有一篇論文曾經(jīng)寫過，深度神經(jīng)網(wǎng)絡(luò)（DNN）在圖片識別上有著很優(yōu)異的表現(xiàn)?？僧斢眠z傳算法模擬圖片時，兩張圖片在人眼看來一模一樣，可深度神經(jīng)網(wǎng)絡(luò)卻完全識別不出來?；蛘哌z傳算法可以模擬出一張人眼看起來是“亂碼”的圖片，卻被深度神經(jīng)網(wǎng)絡(luò)識別成正常的圖片。
這一點讓人們注意到了機器視覺和人類視覺的區(qū)別，和人類不一樣，機器還是會把圖像轉(zhuǎn)化為“數(shù)字”，再進行比對、識別。這也導致了，有時候深度神經(jīng)網(wǎng)絡(luò)會把一張噪聲圖識別成動物、建筑等等。
除了生成圖片，遺傳算法還可以生成音樂、宋詞等等。將詞語和音符輸入，讓機器隨機組合，加入人類評分機制。整個過程幾乎和“讓猴子在打字前坐幾十年可以寫出莎翁作品”的假說差不多?；旧现荒苡糜趭蕵罚惶m合實操。
其實，目前遺傳算法已經(jīng)慢慢淡出了主流舞臺。雖然主旨是為了避開局部最優(yōu)誤區(qū)，為無限解集問題尋找答案，可在實際應(yīng)用時相比梯度和蒙特卡羅算法都沒有明顯的差異和優(yōu)勢，常常被視作“玄學算法”。比如計算結(jié)果的穩(wěn)定性差、求解過程沒有可復制性等等都是遺傳算法的缺點。很長一段時間里，遺傳算法都被看做只能用來湊論文的算法。
不過理論也和技術(shù)一樣，會隨著實踐和研究不斷發(fā)展，曾經(jīng)的神經(jīng)網(wǎng)絡(luò)也曾被打入冷宮。最近DeepMind還提出了把神經(jīng)網(wǎng)絡(luò)和遺傳算法結(jié)合，應(yīng)用到遷移學習中的案例?；蛟S，有朝一日遺傳算法還會重新進入我們的視野。
